ヒューリスティック (heuristic) は、厳密に最適な答えを保証しない代わりに、経験則で素早く十分よい近似解を得る 考え方や手法です。
語源はギリシャ語の heuriskein (発見する) で、アルキメデスの エウレカ (見つけた) と同じ語根を持ちます。
まず押さえたいポイント
正確さと速さ・コストのトレードオフを、意図的に速さ側に倒す考え方- 必ず正しい答えを出すとは限らないが、現実的な時間で
そこそこ良い答えを出す 当たりの付け方経験則ざっくりした目安と訳されることも多い- 分野ごとに少しずつ意味が違う (探索 AI / UX / セキュリティ / 心理学 / 最適化)
アルゴリズムとの違い
最重要なのが アルゴリズム (厳密解法) との対比です。
アルゴリズム— 正しい答えを必ず出すが、時間や計算量がかかることがあるヒューリスティック— 最適とは限らないが、速く実用的な答えを出す
例えば巨大な迷路の最短経路を求めるとき、全探索 (アルゴリズム) なら必ず最短を見つけられますが時間がかかります。ゴールの方向に近づく手を優先する (ヒューリスティック) なら速く解けますが、最短とは限りません。
分野ごとの使われ方
探索 AI— A* 探索の推定コスト (ヒューリスティック関数)。ゴールまでの距離を見積もって探索を効率化するUX— ヤコブ・ニールセンのヒューリスティック評価。10 個の経験則でユーザビリティを点検する手法セキュリティ—挙動ベースのマルウェア検知。既知のパターンに完全一致しなくても、怪しい振る舞いから推定して検出する心理学— ダニエル・カーネマンの認知バイアス。人間が無意識に使う近道思考 (利用可能性ヒューリスティックなど)最適化問題— 遺伝的アルゴリズムや焼きなまし法などのメタヒューリスティック
メリットとデメリット
- メリット — 速い / 計算コストが低い / 人間が理解しやすい / 厳密解が現実的に求められない問題にも使える
- デメリット — 最適を保証しない / 誤検知や見落としがある / 前提が変わると当たらなくなる
完璧な答えを待つより、そこそこの答えを今すぐ が必要な場面で価値を持ちます。
よくある誤解
ヒューリスティック = いい加減 ではありません。むしろ 厳密解が計算量的に不可能 (NP 困難など) な問題 で、現実的に使える答えを出すための賢い工夫です。
一方で、ヒューリスティックの結果を最適解だと思い込む のは危険です。AI 時代では、LLM の出力も 必ず正しいとは限らない近似 (一種のヒューリスティック) であり、過信しない姿勢が大切です。
詳しくは ヒューリスティックとは？経験則で近似解を得る考え方とアルゴリズムとの違い で、分野別の使われ方と AI 時代での位置づけを整理しています。